華映資本合伙人章高男

過去八年總投資額超過1300億元人民幣、行業(yè)企業(yè)獲得投資幾率高于其他行業(yè)2-3倍，BAT與VC紛紛押“重注”入局……如果說能確切預(yù)見到的未來趨勢，人工智能是熱點之一。

從IT（Information Technology）轉(zhuǎn)向DT（Data Technology）的當(dāng)下，任何行業(yè)和企業(yè)面對人工智能的發(fā)展都不敢怠慢，而就在今天宣布“退休”的馬云老師，也曾在演講中公開表示，希望倡導(dǎo)教育改革，幫助年輕人適應(yīng)人工智能時代的來臨。

• 人工智能到底是什么？

• 人工智能正在切實的解決哪些問題？

• 當(dāng)下還有哪些值得關(guān)注的趨勢和投資方向？

近日，在2018“創(chuàng)響中國”創(chuàng)新創(chuàng)業(yè)大賽復(fù)賽頒獎典禮暨“人工智能&大健康”論壇上，華映資本合伙人章高男圍繞以上三個問題展開了分享。他認為：AI不是風(fēng)口，是現(xiàn)實。人工智能可以簡化成四個層次：

首先，人工智能需要利用已有的經(jīng)驗， 這個經(jīng)驗的載體是海量數(shù)據(jù)；其次，有了經(jīng)驗以后，要通過各種數(shù)學(xué)模型去逼近這些經(jīng)驗，即算法和算力層；通過模型預(yù)測未來，將預(yù)測應(yīng)用到不同的領(lǐng)域，就是各種學(xué)科；把學(xué)科應(yīng)用到場景，就變成了商業(yè)應(yīng)用。

面對人工智能的發(fā)展，章高男看好以下三大投資方向：

• AI+行業(yè)：強場景、強剛需，AI賦能升級產(chǎn)業(yè)模式。如智能物流，自動駕駛，無人倉儲，安防；無人零售（深蘭科技）等;

• AI paas 平臺：能夠降低AI使用門檻，提升效率。如天云大數(shù)據(jù)，第四范式等；

• 底層技術(shù)：AI 芯片，前端傳感器等。

以下為章高男演講實錄（經(jīng)整理）：

大家下午好，很高興今天能夠在這里跟大家做一個關(guān)于人工智能的探討，其實人工智能對很多人來說已經(jīng)是耳熟能詳了，但每個人對人工智能的理解以及層次是不一樣的。因為今天在座的很多都不是技術(shù)出身，所以我盡可能把人工智能這個技術(shù)領(lǐng)域簡化成一個模型，方便大家去探討。

人工智能到底是什么？

我把人工智能簡化分成四個層次：

首先人工智能要利用已有的經(jīng)驗，而這個經(jīng)驗的載體就是海量數(shù)據(jù)。大部分的人工智能依靠的機器學(xué)習(xí)方法，都是有監(jiān)督的學(xué)習(xí)，或者半監(jiān)督的學(xué)習(xí)。當(dāng)然也有一些簡單的強化學(xué)習(xí)，但效果相對有限。既然是監(jiān)督學(xué)習(xí)，首先要有數(shù)據(jù)，要利用已有的經(jīng)驗。

第二步有了經(jīng)驗以后，要通過各種數(shù)學(xué)模型去逼近這些經(jīng)驗，這就是算法和算力層。算法是理論基礎(chǔ)，算力是工程實現(xiàn)。算法框架是人工智能的核心，所以國際領(lǐng)先的大公司都在不計成本打造，例如Tensorflow，Torch等。

第三步有了模型，下一步就是通過模型預(yù)測未來是怎么樣的，這個預(yù)測應(yīng)用到不同的領(lǐng)域，就是各種學(xué)科。例如，語音識別，計算機視覺，NLP，推薦，動態(tài)規(guī)劃等。

最后把學(xué)科應(yīng)用到場景，就變成了商業(yè)應(yīng)用。例如自動駕駛，滴滴的路徑動態(tài)規(guī)劃，頭條的信息流推薦，智能音響等等。今天下棋人類已經(jīng)下不過機器，不僅是下棋，AI還可以去幫你做詩做曲，還有精準(zhǔn)營銷，安防等等。

有人說AI是泡沫，有人說AI是風(fēng)口，如果你真正了解什么是AI，你會發(fā)現(xiàn)其實AI不是風(fēng)口，AI已經(jīng)在我們的工作生活中有了大量實際的應(yīng)用，而且是廣泛的應(yīng)用。按上述四個層面分類，如今每個層次都已誕生出百億千億級的大公司。比如數(shù)據(jù)層的云計算，算法算力層的Tensorflow，TPU；學(xué)科層的商湯科技；應(yīng)用層的今日頭條等等。

AI不是風(fēng)口，是現(xiàn)實 

我判斷AI已經(jīng)成為現(xiàn)實，有如下理由：

第一，在技術(shù)層面，AI行業(yè)已經(jīng)高度工程化。首先AI需要海量數(shù)據(jù)，今天企業(yè)擁有TB (Trillionbyte：萬億字節(jié)）級的數(shù)據(jù)已經(jīng)很容易，大量小微企業(yè)都擁有足夠多的數(shù)據(jù)，這在十年或者二十年以前是不可想象的，所以這是一個巨大的改變。今天企業(yè)擁有數(shù)據(jù)已經(jīng)不是一個很大的門檻，都可以去做AI。

另外算法和算力也實現(xiàn)了大規(guī)模工程化。算法算力有國際大的公司的支持，他們已經(jīng)提供了很好的平臺和應(yīng)用的框架，這都是已經(jīng)可以工程化的框架。所以我們使用AI的門檻會大大降低。

當(dāng)然這些算法的能力是有限的，今天我們想指望AI去產(chǎn)生思想和思維還不太現(xiàn)實，但是你只要給它一個明確邊界，很多場景AI會比人做的好。譬如下棋是在死活約束和方格約束的前提下，需求最優(yōu)面積的動態(tài)規(guī)劃問題。有了這個邊界，AI可以遠超于人。而且最重要的是只要給出邊界，它們的算力算法都有很好的工程化的方案，所以今天應(yīng)用AI已經(jīng)不是很難的事情。

第二點，除了技術(shù)工程化，AI要被廣泛應(yīng)用還要有剛需。事實上目前AI已經(jīng)是企業(yè)里最大的剛需之一了。主要有兩個原因：

首先，今天企業(yè)擁有的數(shù)據(jù)的維度，跟過去比，已經(jīng)大大豐富。過去十年二十年前，企業(yè)里的數(shù)據(jù)很簡單，無非是ERP和財務(wù)數(shù)據(jù)，擁有這些數(shù)據(jù)的企業(yè)已經(jīng)是很好的企業(yè)了。但今天不一樣，譬如企業(yè)要通過線上去賣東西，那么你選擇天貓還是京東，產(chǎn)品的排位等等， 都有大量的數(shù)據(jù)需要商業(yè)決定。

當(dāng)企業(yè)的數(shù)據(jù)維度有幾百維的時候，很難用簡單的BI（Business Intelligence）用因果關(guān)系類來分析了。這個問題要去解決，就必須應(yīng)用到機器學(xué)習(xí)的方法了。

另外，今天企業(yè)擁有大量非結(jié)構(gòu)化數(shù)據(jù)。比如說語音、視頻、文字，圖象，這些非結(jié)構(gòu)化的數(shù)據(jù)只有機器學(xué)習(xí)的方法去做，用BI是沒法處理這些數(shù)據(jù)的。比如我們的客服對銷售的影響越來越重要，但是客服的通話記錄是文字你怎么去優(yōu)化呢？如果會用NLP和分類的方法，它可以產(chǎn)生更多的銷售。

所以從上述兩點講企業(yè)對AI有強烈的需求。我們也看到很多傳統(tǒng)行業(yè)，會有很多優(yōu)化的需求。

這是我剛才的一個觀點，這個觀點還需要有一些數(shù)據(jù)的支持。下圖是整個AI在過去幾年投資的金額和項目數(shù)，黃色的曲線線是投資金額，去年已經(jīng)投了將近600億在AI相關(guān)的企業(yè)。

數(shù)據(jù)來源：天云大數(shù)據(jù)

再看第二個圖，是從16年跟17年一對比，就會明顯發(fā)現(xiàn)，16年投資集中在在早期，B輪、C輪，而17年到高點是C輪、D輪，這說明他們成長的很好，行業(yè)向成熟發(fā)展。

數(shù)據(jù)來源：天云大數(shù)據(jù)

再看一下人工智能公司，是資本的絕對熱點。人工智能獲投的公司以及未獲投的公司，它的比例已經(jīng)超過50%，也就是意味著每兩家人工智能公司，就有一家會融到錢，這個在別的行業(yè)幾乎無法想象的。無論是國內(nèi)還是國外，投資機構(gòu)都在對AI下重注。如果是一到兩家這樣做，那可能是去賭，但如果所有人去做，這說明了什么？大家可以思考一下。

數(shù)據(jù)來源：天云大數(shù)據(jù)

再從另一個維度，即企業(yè)端的態(tài)度來看AI。大家印象最深的是百度all in AI，其實何止百度，谷歌，跟微軟， IBM，還有國內(nèi)的阿里，包騰訊都在AI是全產(chǎn)業(yè)鏈布局的。無論從最底層的算力層，還是核心的到基礎(chǔ)框架層，再到應(yīng)用層，今天國內(nèi)外最值錢的公司，他們都是在AI不計成本去投資布局的。

尤其在算法框架層，因為算法框架層是機器學(xué)習(xí)的核心，整個AI里面最核心的部分，但是這部分基本上由國外巨頭主導(dǎo)，這個差距我們必須得認。當(dāng)我們發(fā)現(xiàn)全球所有最成功的企業(yè)都在AI做大量布局，而不是一兩家公司在賭，這說明AI的趨勢確定性。

作為頂級的企業(yè)，你重注AI，你未必能夠成功，但如果你不部署AI，你一定不成功。未來誰占里這個高地不知道，但是如果你不占領(lǐng)的話，也許很快會被被顛覆。

AI領(lǐng)域投資，我們看好三大方向

既然AI是剛需，大公司有都重注投入，那么從投資的角度，大企業(yè)都在部署AI，應(yīng)該怎么去投呢？

我給一些自己的理解和建議：

• 第一，是跟場景結(jié)合。

目前，在國外多出手純技術(shù)類公司，不考慮短期商業(yè)模式，因為他們相對鼓勵原創(chuàng)，有很強的技術(shù)辨別和趨勢預(yù)測能力，而目前中國的投資還是以商業(yè)模式判斷為主。

所以在中國，AI企業(yè)要想存活，必須要跟一些場景結(jié)合。在投資AI企業(yè)的時候，建議去找一些傳統(tǒng)行業(yè)，AI只是一個技術(shù)，我們要找那些行業(yè)里面做得比較好的，創(chuàng)始人可能不是做AI的，但他用到了AI，而且AI給產(chǎn)生很好的效果，這種公司值得我們?nèi)リP(guān)注。這種公司有可能通過這一輪技術(shù)創(chuàng)新，對整個行業(yè)某種程度上進行革新和洗牌。所以不要為了AI去看AI，你要去行業(yè)里面看AI的因素是不是很強，真的幫企業(yè)提高效率，產(chǎn)生更大的價值。

• 第二，是利用AI幫企業(yè)賦能，降低企業(yè)使用AI的門檻。

這些企業(yè)主要是技術(shù)驅(qū)動，雖然沒有直接的場景，但是能在不同垂直行業(yè)賦能，或者幫企業(yè)降低使用AI的門檻。因為AI要用好它，對企業(yè)還是有較高門檻的，首先要有數(shù)據(jù)的存儲和分布，把它變成一個分布式系統(tǒng)。其次，還得懂算法和業(yè)務(wù)，算法和業(yè)務(wù)結(jié)合通常要花較多時間成本。第三，最重要的是工程實現(xiàn)。如果你沒有做過，會趟無數(shù)的坑。這層面的人才都集中在之前擁有大量數(shù)據(jù)的大公司，人才很難獲得。所以現(xiàn)在市面上出現(xiàn)一些做AI的中間件，讓企業(yè)接近傻瓜式的使用AI。比如做物流，需要大規(guī)模路徑規(guī)劃，只要告訴目標(biāo)，提供數(shù)據(jù)源，可以直接幫企業(yè)優(yōu)化這個業(yè)務(wù)。華映最近投資的天云大數(shù)據(jù)，就是做AI paas平臺，幫助企業(yè)降低AI的使用門檻。

• 第三，底層技術(shù)也值得關(guān)注，譬如算法芯片。

任何算法的硬件實現(xiàn)都有一定的局限性，很能適用所有的算法，所以大公司不會那么激進，這就給初創(chuàng)公司很好的從邊緣切入中心的機會。

以上就是我對人工智能發(fā)展的一些觀點，再次感謝！

本文轉(zhuǎn)自微信公眾號“華映資本”。文章為作者獨立觀點，不代表芥末堆立場。